机场的出租车问题折线图

分析并可视化机场离场车辆数数据

本文将详细介绍如何使用Python的正则表达式库re和绘图库matplotlib对机场离场车辆数数据进行分析和可视化。以下是具体步骤和代码实现。

数据资源：
链接：https://pan.baidu.com/s/1rU-PRhrVSXq-8YdR6obc6Q?pwd=1234
提取码：1234

1. 导入必要的库

首先，我们需要导入用于数据处理和绘图的库：

import re
import matplotlib.pyplot as plt
from datetime import datetime
import matplotlib.font_manager as fm

2. 读取文件内容

假设我们有两个文件，分别是郑州机场9月14上午原始数据.txt和郑州机场9月14下午原始数据.txt，其中包含了机场的离场车辆数数据。我们需要读取这两个文件的内容并合并：

# 文件路径
file_paths = ['郑州机场9月14上午原始数据.txt', '郑州机场9月14下午原始数据.txt']

# 初始化数据列表
data = ''

# 读取文件内容
for file_path in file_paths:
    with open(file_path, 'r', encoding='utf-8') as file:
        data += file.read()  # 读取文件中的所有内容并合并
# 若没有文件，先用一下数据代替
# 示例数据
# data = """
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:40:19） 场内待运车辆数为：80 辆； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:40:30） 场内待运车辆数为：80 辆； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:40:41） 场内待运车辆数为：80 辆； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:40:52） 场内待运车辆数为：80 辆； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:41:04） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:41:15） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:41:26） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:41:39） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:41:50） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:42:01） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:42:12） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:42:22） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：0 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:42:34） 场内待运车辆数为：80 辆； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:42:45） 场内待运车辆数为：80 辆； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:42:57） 场内待运车辆数为：80 辆； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:43:08） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:43:19） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：19 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:43:30） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:43:41） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:43:53） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:44:05） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:44:16） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:44:27） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:44:38） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:44:50） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辆； 前半小时离场车辆数为：1 辆；
# 郑州机场出租车秩序管理站 截止目前为止（2019-09-14 07:45:01） 场内待运车辆数为：81 辆(场内待运较多)； 前半小时进场车辆数为：18 辅辆； 前半小时离场车辆数为：1 辆；
# """

3. 使用正则表达式匹配数据

我们使用正则表达式来提取文件中的时间戳和前半小时离场车辆数。这里的正则表达式模式匹配类似于（2023-09-14 08:30:00）前半小时离场车辆数为：123 辆；的文本。

# 正则表达式匹配时间和前半小时离场车辆数
pattern = r"（(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})）.*?前半小时离场车辆数为：(\d+) 辆；"
matches = re.findall(pattern, data)  # 使用正则表达式查找所有匹配的模式

4. 解析匹配结果

将匹配到的时间字符串转换为datetime对象，并将离场车辆数转换为整数：

# 解析匹配结果
timestamps = [datetime.strptime(match[0], "%Y-%m-%d %H:%M:%S") for match in matches]  # 将匹配到的时间字符串转换为datetime对象
leaving_counts = [int(match[1]) for match in matches]  # 将匹配到的离场车辆数转换为整数

5. 设置字体

为了支持中文显示，我们需要设置字体。这里假设我们使用的是SimHei字体：

# 设置字体
font_path = 'C:/Windows/Fonts/simhei.ttf'  # 你可以根据需要更改字体路径
font_prop = fm.FontProperties(fname=font_path)  # 创建字体属性对象

6. 绘制折线图

使用matplotlib绘制离场车辆数随时间变化的折线图：

# 绘制折线图
plt.figure(figsize=(10, 6))  # 设置图表大小
plt.plot(timestamps, leaving_counts, marker='o', markersize=1, linestyle='-', color='b')  # 绘制折线图，设置节点样式和颜色
plt.title("前半小时离场车辆数随时间的变化", fontproperties=font_prop)  # 设置图表标题
plt.xlabel("时间", fontproperties=font_prop)  # 设置X轴标签
plt.ylabel("前半小时离场车辆数", fontproperties=font_prop)  # 设置Y轴标签
plt.grid(True)  # 显示网格
plt.xticks(rotation=45, fontproperties=font_prop)  # 旋转X轴刻度标签以防止重叠
plt.yticks(fontproperties=font_prop)  # 设置Y轴刻度标签的字体
plt.tight_layout()  # 自动调整子图参数以适应图形区域

# 调整边距以确保字体不被遮盖
plt.subplots_adjust(left=0.15, bottom=0.2)  # 调整图表的左边距和下边距

# 保存图片
plt.savefig('离场车辆数变化图.png')  # 将图表保存为PNG文件

# 显示图表
plt.show()  # 显示图表

7. 完整代码

以下是完整的代码片段，包含了从读取数据到绘制并保存图表的所有步骤：

import re
import matplotlib.pyplot as plt
from datetime import datetime
import matplotlib.font_manager as fm

# 文件路径
file_paths = ['郑州机场9月14上午原始数据.txt', '郑州机场9月14下午原始数据.txt']

# 初始化数据列表
data = ''

# 读取文件内容
for file_path in file_paths:
    with open(file_path, 'r', encoding='utf-8') as file:
        data += file.read()  # 读取文件中的所有内容并合并

# 正则表达式匹配时间和前半小时离场车辆数
pattern = r"（(\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2})）.*?前半小时离场车辆数为：(\d+) 辆；"
matches = re.findall(pattern, data)  # 使用正则表达式查找所有匹配的模式

# 解析匹配结果
timestamps = [datetime.strptime(match[0], "%Y-%m-%d %H:%M:%S") for match in matches]  # 将匹配到的时间字符串转换为datetime对象
leaving_counts = [int(match[1]) for match in matches]  # 将匹配到的离场车辆数转换为整数

# 设置字体
font_path = 'C:/Windows/Fonts/simhei.ttf'  # 你可以根据需要更改字体路径
font_prop = fm.FontProperties(fname=font_path)  # 创建字体属性对象

# 绘制折线图
plt.figure(figsize=(10, 6))  # 设置图表大小
plt.plot(timestamps, leaving_counts, marker='o', markersize=1, linestyle='-', color='b')  # 绘制折线图，设置节点样式和颜色
plt.title("前半小时离场车辆数随时间的变化", fontproperties=font_prop)  # 设置图表标题
plt.xlabel("时间", fontproperties=font_prop)  # 设置X轴标签
plt.ylabel("前半小时离场车辆数", fontproperties=font_prop)  # 设置Y轴标签
plt.grid(True)  # 显示网格
plt.xticks(rotation=45, fontproperties=font_prop)  # 旋转X轴刻度标签以防止重叠
plt.yticks(fontproperties=font_prop)  # 设置Y轴刻度标签的字体
plt.tight_layout()  # 自动调整子图参数以适应图形区域

# 调整边距以确保字体不被遮盖
plt.subplots_adjust(left=0.15, bottom=0.2)  # 调整图表的左边距和下边距

# 保存图片
plt.savefig('离场车辆数变化图.png')  # 将图表保存为PNG文件

# 显示图表
plt.show()  # 显示图表